数据自己造，能力自己长，小米要让机器人“自我进化”

43 0 0

文章摘要

全球具身智能竞争正从单点技术突破转向全链路系统之争，企业间的长期差距越来越取决于整套学习系统的迭代速度。小米近期连续公布机器人进厂、U0生成模型和Robotics-1基座模型三项进展，完整展示了其在本体、数据和模型环节的具身智能技术布局。这三项成果分别对应物理世界的真实场景、数据生产与模型训练，共同指向让机器人进入真实世界积累经验并转化为通用能力的目标。

在模型层面，Robotics-1通过无本体预训练与规模化自动标注流程，探索扩大数据和模型规模以形成跨场景通用能力，为具身智能领域的规模化定律提供了证据。在数据层面，U0作为统一具身生成模型，通过生成模型拓展机器人的经验边界，将有限的真实样本延展至更多场景与本体，有效提升了机器人在陌生环境中的任务表现。在物理验证层面，小米机器人首次在汽车工厂完成柔性工件的长时作业，高成功率展现了其在真实环境中的实际生产力。

这三项进展并非孤立存在，而是构成了一个从数据生产、模型训练到场景落地的自我进化闭环系统。机器人在工厂中产生的运行数据通过生成模型扩展边界，再输入基座模型进行规模化学习，模型变强后又能处理更复杂的任务，形成持续迭代的循环。这种全栈技术链路不仅加快了研发发现与解决问题的速度，还有望系统性降低机器人的部署成本。

中国具身智能产业正逐步将制造、供应链和应用场景的局部优势，转化为涵盖本体、数据和模型的系统优势。小米依托其同时拥有机器人本体、自有汽车工厂及长期积累的硬件工程与量产能力，提供了一条从制造现场生长出的独特技术路径。具身智能下一阶段的评价标尺将回归真实生产环境，机器人在工厂中反复稳定运行的能力及其带来的经济效益，将成为决定其能否成为真正生产工具的关键。